本申請涉及信息處理，尤其涉及一種視頻處理方法、裝置和設(shè)備。
背景技術(shù)：
1、隨著視頻采集設(shè)備的普及，各場景下的視頻數(shù)據(jù)總量呈爆發(fā)式增長。視頻中包含有豐富的信息，從內(nèi)容的角度來看，包括顯示對象、環(huán)境場景等；從信息類型的角度來看，包括音頻信息、圖像信息、時(shí)間信息等，為了充分利用和發(fā)揮視頻數(shù)據(jù)中蘊(yùn)含的信息，通常需要對視頻的內(nèi)容進(jìn)行識別。
2、近年來，隨著深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)等神經(jīng)網(wǎng)絡(luò)模型的興起，計(jì)算機(jī)系統(tǒng)能夠更好地理解和處理視頻數(shù)據(jù)，特別是在復(fù)雜場景下取得更優(yōu)越的性能，提高了視頻內(nèi)容識別的準(zhǔn)確性。
3、傳統(tǒng)的視頻識別方法通常需要對視頻的全部內(nèi)容進(jìn)行識別，需要從視頻中的大量數(shù)據(jù)識別出對應(yīng)的對象信息。這些復(fù)雜的視頻識別方法往往難以在短時(shí)間內(nèi)完成識別任務(wù)，而且需要按照工作人員的配置進(jìn)行識別，無法滿足個(gè)性化需求。
技術(shù)實(shí)現(xiàn)思路
1、有鑒于此，本申請?zhí)峁┮环N視頻處理方法、裝置和設(shè)備，用以實(shí)現(xiàn)視頻的多樣化處理需求。
2、具體地，本申請是通過如下技術(shù)方案實(shí)現(xiàn)的：
3、本申請第一方面提供一種視頻處理方法，所述方法包括：
4、針對待識別視頻，利用預(yù)先訓(xùn)練好的識別模型對預(yù)先為所述待識別視頻配置的處理需求進(jìn)行識別，得到所述處理需求對應(yīng)的意圖、以及所述處理需求對應(yīng)的關(guān)鍵語音點(diǎn)識別方式；
5、獲取所述待識別視頻的音頻和圖像序列；
6、按照所述關(guān)鍵語音點(diǎn)識別方式，從所述音頻中識別出與所述意圖相關(guān)的關(guān)鍵語音點(diǎn)；
7、將所述圖像序列中與所述關(guān)鍵語音點(diǎn)對應(yīng)的圖像確定為關(guān)鍵幀圖像；
8、基于所述意圖，對所述關(guān)鍵幀圖像進(jìn)行處理，以得到所述意圖對應(yīng)的處理結(jié)果。
9、本申請第二方面提供一種視頻處理裝置，所述裝置包括確定模塊、獲取模塊、識別模塊和處理模塊；其中，
10、所述確定模塊，用于針對待識別視頻，利用預(yù)先訓(xùn)練好的識別模型對預(yù)先為所述待識別視頻配置的處理需求進(jìn)行識別，得到所述處理需求對應(yīng)的意圖、以及所述處理需求對應(yīng)的關(guān)鍵語音點(diǎn)識別方式；
11、所述獲取模塊，用于獲取所述待識別視頻的音頻和圖像序列；
12、所述識別模塊，用于按照所述關(guān)鍵語音點(diǎn)識別方式，從所述音頻中識別出與所述意圖相關(guān)的關(guān)鍵語音點(diǎn)；
13、所述確定模塊，用于將所述圖像序列中與所述關(guān)鍵語音點(diǎn)對應(yīng)的圖像確定為關(guān)鍵幀圖像；
14、所述處理模塊，用于基于所述意圖，對所述關(guān)鍵幀圖像進(jìn)行處理，以得到所述意圖對應(yīng)的處理結(jié)果。
15、本申請第三方面提供一種視頻處理設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)本申請第一方面提供的任一項(xiàng)所述方法的步驟。
16、本申請第四方面提供一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，所述程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)本申請第一方面提供的任一項(xiàng)所述方法的步驟。
17、本申請?zhí)峁┑囊曨l處理方法、裝置和設(shè)備，首先針對待識別視頻，利用預(yù)先訓(xùn)練好的識別模型對預(yù)先為待識別視頻配置的處理需求進(jìn)行識別，得到處理需求對應(yīng)的意圖、以及處理需求對應(yīng)的關(guān)鍵語音點(diǎn)識別方式，然后獲取待識別視頻的音頻和圖像序列，進(jìn)而按照關(guān)鍵語音點(diǎn)識別方式，從音頻中識別出與意圖相關(guān)的關(guān)鍵語音點(diǎn)，再將圖像序列中與關(guān)鍵語音點(diǎn)對應(yīng)的圖像確定為關(guān)鍵幀圖像，最后基于意圖，對關(guān)鍵幀圖像進(jìn)行處理，以得到意圖對應(yīng)的處理結(jié)果。這樣，通過關(guān)鍵語音點(diǎn)識別方式獲得關(guān)鍵語音點(diǎn)，進(jìn)而基于關(guān)鍵語音點(diǎn)，確定關(guān)鍵幀圖像，最后基于意圖，對關(guān)鍵幀圖像進(jìn)行處理，得到待識別視頻的處理結(jié)果。這樣，不僅可以滿足不同的待處理視頻的處理需求，解決復(fù)雜的待處理視頻的多樣化處理需求，還不需要對全部的視頻幀進(jìn)行處理，可以快速、準(zhǔn)確的獲取處理結(jié)果，可節(jié)省計(jì)算資源，提高處理的效率。
1.一種視頻處理方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述關(guān)鍵語音點(diǎn)識別方式為第一類識別方式時(shí)；所述按照所述關(guān)鍵語音點(diǎn)識別方式，從所述音頻中識別出與所述意圖相關(guān)的關(guān)鍵語音點(diǎn)，包括：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述關(guān)鍵語音點(diǎn)識別方式為第二類識別方式時(shí)；所述按照所述關(guān)鍵語音點(diǎn)識別方式，從所述音頻中識別出與所述意圖相關(guān)的關(guān)鍵語音點(diǎn)，包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于所述語義識別結(jié)果，確定所述關(guān)鍵語音點(diǎn)，包括：
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述意圖指示識別關(guān)鍵幀圖像時(shí)；所述基于所述意圖，對所述關(guān)鍵幀圖像進(jìn)行處理，得到所述意圖對應(yīng)的處理結(jié)果，包括：
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述意圖用于指示對關(guān)鍵幀圖像進(jìn)行圖像識別時(shí)；所述基于所述意圖，對所述關(guān)鍵幀圖像進(jìn)行處理，得到所述意圖對應(yīng)的處理結(jié)果，包括：
7.一種視頻處理裝置，其特征在于，所述裝置包括確定模塊、獲取模塊、識別模塊和處理模塊；其中，
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述識別模塊，具體用于在所述關(guān)鍵語音點(diǎn)識別方式為第一類識別方式時(shí)，從預(yù)先建立的音頻庫中查找與所述意圖的第一類關(guān)鍵詞匹配的音頻片段；所述第一類關(guān)鍵詞為與音頻相關(guān)的關(guān)鍵詞；
9.一種視頻處理設(shè)備，其特征在于，包括存儲器、處理器及存儲在所述存儲器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)權(quán)利要求1-6任一項(xiàng)所述方法的步驟。
10.一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其特征在于，所述程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-6任一項(xiàng)所述方法的步驟。